Характеристики

Параметры: 113 млн
Лицензия: CC BY-NC 4.0
Архитектура: videomae · dense
Базовая модель: videomae-base
Библиотека: transformers
Опубликована: 16 авг 2026

Ссылки

Hugging Face

videomae-base-finetuned-ucf101-subset

AbdullahTheScientist

Классификация видеоВидео → label3 профессии

Дообученный видеотрансформер VideoMAE для классификации видео по визуальному содержимому.

12скачиваний за 30 дней0лайковвеса обновлены20 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель AbdullahTheScientist/videomae-base-finetuned-ucf101-subset — видеотрансформер VideoMAE, дообученный на базе MCG-NJU/videomae-base для классификации видео. В репозитории указано, что датасет дообучения неизвестен; название модели указывает на подмножество UCF101, но README этого не подтверждает.

Модель содержит 113,2 млн параметров и распространяется в формате Safetensors для библиотеки Transformers. На оценочном наборе указаны loss 0,5636 и accuracy 0,7653; состав набора и методика оценки не описаны. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Сценарии применения

классификация видео по действиям и сценам
автоматическая категоризация видеоклипов
поиск клипов с нужным типом активности

Ограничения

Датасет обучения и подробности оценки не описаны; приведённую точность 0,7653 нельзя интерпретировать без состава и методики оценочного набора. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

videomae-base-finetuned-ucf101-subset

This model is a fine-tuned version of MCG-NJU/videomae-base on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.5636
Accuracy: 0.7653

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 8
eval_batch_size: 8
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 10
training_steps: 180

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.7247	0.1056	19	0.8829	0.4706
0.7329	1.1056	38	0.6797	0.5647
0.6976	2.1056	57	0.7128	0.5294
0.7717	3.1056	76	0.6812	0.5294
0.6792	4.1056	95	0.7052	0.4706
0.6363	5.1056	114	0.5786	0.7176
0.6078	6.1056	133	0.7522	0.5529
0.5683	7.1056	152	0.5900	0.7294
0.5440	8.1056	171	0.5766	0.7529
0.4288	9.05	180	0.5660	0.7294

Framework versions

Transformers 5.15.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · video-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: VideoMAEForVideoClassification
Ревизия весов: 01ff87a